Model Penduga Biomassa Menggunakan Citra Landsat Di Hutan Pendidikan Gunung Walat
MODEL PENDUGA BIOMASSA
MENGGUNAKAN CITRA LANDSAT
DI HUTAN PENDIDIKAN GUNUNG WALAT
HARLYN HARLINDA
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Model Penduga
Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat adalah
benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan
dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Februari 2015
Harlyn Harlinda
NIM E14100070
ABSTRAK
HARLYN HARLINDA. Model Penduga Biomassa Menggunakan Citra Landsat
di Hutan Pendidikan Gunung Walat. Dibimbing oleh PRIYANTO.
Satelit citra Landsat 8 memiliki dua sensor yang terdiri dari onboard
operational land image (OLI) dan thermal infrared sensor (TIRS) yang berfungsi
sebagai pendugaan biomassa. Sedangkan untuk mendapatkan nilai biomassa
dengan melihat indikator kehijauannya menggunakan pendekatan indeks vegetasi
berupa penggunaan normalized difference vegetation index (NDVI). Penelitian ini
mendapatkan model pendugaan biomassa atas permukaan menggunakan peubah
citra dan nilai NDVI. Perhitungan biomassa dilakukan menggunakan alometrik.
Hubungan biomassa lapangan dan nilai digital dilakukan untuk menyusun model.
Pemilihan model terbaik berdasarkan nilai koefisien determinasi terkoreksi (R2adj),
simpangan baku, nilai bias dan nilai RMSE. Model terpilih yaitu model
eksponensial menggunakan semua peubah dan NDVI Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3 + 0.00493X4 0.000216X5 + 0.00391X6 0.0111X7 +
0.0120X8 + 3.23X9). Model terpilih berdasarkan hasil pemeringkatan dengan nilai
R2adj sebesar 37.5%, simpangan baku sebesar 0.41, nilai bias sebesar 182.5 dan
niai RMSE sebesar 88802.
Kata kunci : biomassa, Landsat 8, nilai digital, pendugaan biomassa
ABSTRACT
HARLYN HARLINDA. Biomass Estimation Model Using Landsat Imagery in
Gunung Walat Educational Forest. Supervised by PRIYANTO.
Satellite imagery Landsat 8 has two sensors that is onboard operational land
image (OLI) and thermal infrared sensor (TIRS) which has function for biomass
estimation. Biomass valueis obtain by look at the greenness index using
vegetation index approach by using NDVI. This research is to obtain above
ground biomass estimation value using imagery variable and NDVI value.
Biomass calculation is using allometric. The relationship between field biomass
and digital value of biomass is conduct to establish the model. Selection of the
best model is based on coefficient decision corrected value (R2adj), standard
deviation, biased value and RMSE value. Selected model is exponential model
using all variables and NDVI Y = exp (24.5 0.00604X1 0.00335X2 +
0.00178X3 + 0.00493X4 0.000216X5 + 0.00391X6 0.0111X7 + 0.0120X8 +
3.23X9). The model was selected according to the results of the ranking with
37.5% of R2adj value, 0.41 of standard deviation value, 182.5 of bias value and
88802 of bias value.
Key words: biomass, biomass estimation, digital value, Landsat 8
MODEL PENDUGA BIOMASSA
MENGGUNAKAN CITRA LANDSAT
DI HUTAN PENDIDIKAN GUNUNG WALAT
HARLYN HARLINDA
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PRAKATA
Puji dan syukur penulis panjatkan atas kehadirat Allah subhanahu wa ta’ala
atas segala karunia-Nya sehingga skripsi ini dapat diselesaikan. Penelitian yang
dilakukan pada bulan Juni 2014 mengenai biomassa dengan judul Model Penduga
Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat.
Terima kasih penulis ucapkan kepada Bapak Priyanto, S.Hut M.Si selaku
pembimbing yang telah banyak memberikan bimbingan dan arahan dalam
menyelesaikan skripsi ini, untuk kedua orang tua, adik serta keluarga yang selalu
mendukung dan memberikan semangat dalam penyelesaian skripsi. Ucapan terima
kasih diberikan kepada pihak pengelola dari Hutan Pendidikan Gunung Walat
yang telah memberikan izin dalam pelaksanaan penelitian serta seluruh staf yang
telah membantu dalam proses pengambilan data di lapangan baik secara langsung
maupun tidak langsung. Terima kasih juga kepada Bapak Uus Saepul M atas
arahannya, seluruh keluarga besar Laboratorium Perencanaan Hutan, keluarga
Manajemen Hutan angkatan 46 dan 47, keluarga Fahutan serta kosan Bisma 1 atas
doa dan dukungannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2015
Harlyn Harlinda
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Batasan Penelitian
2
METODE
2
Lokasi dan Tempat
2
Alat
2
Bahan dan Data
2
Tahap Penelitian
2
HASIL DAN PEMBAHASAN
7
Kondisi Umum Hutan Pendidikan Walat
7
Nilai Biomassa pada Plot Contoh
8
Nilai NDVI pada Citra Landsat 8
8
Korelasi pada Biomassa Lapangan, Nilai Digital dan NDVI
10
Model Penduga Biomassa
10
Uji Validasi Model
11
Pemilihan Model Terbaik
13
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
13
DAFTAR PUSTAKA
14
RIWAYAT HIDUP
16
DAFTAR TABEL
1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis
pohon di Hutan Pendidikan Gunung Walat
2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat
3 Model yang digunakan untuk pendugaan biomassa
4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan
Gunung Walat
5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap
biomassa
6 Model penduga biomassa di Hutan Pendidikan Gunung Walat
7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan semua parameter peubah
8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan parameter peubah VIF < 10
9 Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung
Walat
4
4
5
8
10
11
12
12
13
DAFTAR GAMBAR
1 Citra normal dengan band kombinasi 7–5–4
2 Citra hasil NDVI
9
9
PENDAHULUAN
Hutan merupakan salah satu ekosistem yang memiliki peranan penting
dalam mengatasi perubahan iklim, terutama hal yang berkaitan dengan cadangan
karbon. Penggunaan karbon pohon sangat penting karena sebagian besar berasal
dari biomassa. Sekitar 90% permukaan bumi memiliki biomassa dalam hutan
yang berbentuk kayu, dahan, daun, akar, serasah, hewan dan jasad renik (Arif
2005). Biomassa merupakan total jumlah materi hidup yang berada di atas
permukaan tanah yang dinyatakan dalam satuan berat kering per satuan luas
(Brown 1997).
Menurut Hairiah dan Rahayu (2007), pendugaan biomassa dapat dilakukan
dengan metode pemanenan secara langsung (destructive sampling) dan metode
tidak langsung (hubungan alometrik). Metode pemanenan secara langsung
dilakukan dengan cara penebangan sehingga diperoleh data kuantitatif berupa
berat basah dan berat kering kayu. Metode tidak langsung dilakukan melalui
hubungan alometrik yaitu mencari keterkaitan beberapa peubah bebas (dimensi
pohon) yang mampu menerangkan peubah tidak bebasnya (biomassa). Pendugaan
biomassa tegakan juga dapat menggunakan model pendugaan biomassa
berdasarkan ekstraksi nilai digital satelit Landsat.
Salah satu satelit yang digunakan dalam pendugaan biomassa pada
penelitian ini yaitu citra Landsat 8 yang memiliki sensor onboard operational
land image (OLI) dan thermal infrared sensor (TIRS). Citra Landsat 8
menggunakan pendekatan indeks vegetasi normalized difference vegetation index
(NDVI) mampu menduga biomassa yang terdapat di suatu areal. NDVI dapat
digunakan untuk mengukur kondisi relatif vegetasi sehingga dalam penelitian ini
digunakan citra Landsat untuk menduga biomassa serta memanfaatkan
pendekatan NDVI.
Tujuan Penelitian
Tujuan penelitian untuk mendapatkan model penduga biomassa atas
permukaan di Hutan Pendidikan Gunung Walat menggunakan peubah digital dan
indeks vegetasi pada citra Landsat 8.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah memberikan informasi
mengenai ketersediaan model penduga biomassa yang digunakan dalam
penerapan metode sampling misalnya double sampling untuk menduga biomassa
atas permukaan di Hutan Pendidikan Gunung Walat.
2
Batasan Penelitian
Penelitian ini menggunakan biomassa atas permukaan yang terdiri dari
enam jenis vegetasi yaitu vegetasi agathis, pinus, puspa, campuran agathis dan
puspa, campuran pinus dan puspa serta campuran lainnya (jamoloh, kayu afrika,
harendong, huru, pinus, puspa, dan teureup). Pendugaan biomassa ini
menggunakan citra Landsat 8 dengan band 1, 2, 3, 4, 5, 6, 7, 9, dan NDVI.
METODE
Lokasi dan Waktu
Penelitian ini dilaksanakan pada bulan Mei–Desember 2014. Tahap
prapengolahan citra dilaksanakan pada bulan Mei 2014 bertempat di
Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor. Pengambilan data di lapangan dilaksanakan
pada bulan Juni–Juli 2014 di Hutan Pendidikan Gunung Walat, Sukabumi. Tahap
pengolahan data dilaksanakan pada Agustus–Desember 2014.
Alat dan Data
Alat ukur penting yang digunakan yaitu global positioning system (GPS),
kompas, haga hypsometer, dan pita diameter. Alat bantu dalam pengolahan citra
dan analisis spasial berupa perangkat lunak ArcView 3.2, ArcGIS versi 9.3, DNR
Garmin, MS-Office, perangkat lunak Erdas Imagine 9.1, dan Minitab 16.
Bahan
Bahan yang digunakan dalam penelitian berupa tegakan hutan di Hutan
Pendidikan Gunung Walat, Citra Landsat 8 OLI Path/Row 122/065 resolusi
spasial 30 m × 30 m perekaman 12 Agustus 2014 yang diperoleh dari
earthexplorer.usgs.gov.
Tahap Pelaksanaan
Tahapan pelaksanaan penelitian ini secara umum dilakukan dengan
prapengolahan citra, pengambilan data, pengolahan data (lapangan dan citra), dan
pengambilan model terbaik.
Prapengolahan Citra
Prapengolahan citra merupakan tahap awal dari pengolahan citra satelit,
dimulai dari import data citra, koreksi geometrik citra, dan pemotongan citra.
1. Import Data
Citra yang digunakan adalah citra Landsat 8 dengan path 122 dan row 65.
Pada awalnya data yang didapatkan yaitu dalam bentuk format *TIF
kemudian dilakukan perubahan format menggunakan perangkat lunak Erdas
Imagine 9.1 menjadi *.img.
3
2. Pembuatan Band Komposit
Pembuatan band komposit ini sebagai salah satu langkah yang harus
dilakukan dalam pembuatan citra dengan menggabungkan citra tersebut guna
mendapatkan warna seperti yang sebenarnya pada permukaan bumi. Hal ini
dikarenakan awalnya citra yang telah diunduh masing-masing masih dalam
bentuk band tersendiri. Penggabungan band terdiri dari band tampak cahaya
(band 1, band 2, band 3 dan band 4), near infrared (NIR), shortware infrared
(SWIR), dan cirrus pada Landsat 8. Penelitian ini ditambahkan normalized
difference vegetation index (NDVI) yang digabungkan band komposit pada
citra Landsat 8.
3. Koreksi Geometrik Citra
Koreksi gometrik citra dibutuhkan untuk rektifikasi (pembetulan) agar
citra yang dipakai sesuai dengan koordinatnya. Rektifikasi menggunakan data
digital elevation model (DEM) dari Global Land Surveys 2000 sudah
dilakukan pada citra Landsat 8, sehingga hanya diperlukan reproject citra
untuk mengubah proyeksi citra menjadi universal transverse mercator
(UTM) zona 49 S dan datum WGS 84.
4. Pemotongan Citra
Pemotongan citra ini bertujuan mendapatkan citra yang sesuai dengan
lokasi penelitian yaitu Hutan Pendidikan Gunung Walat, Sukabumi. Hal ini
dilakukan agar citra yang terlihat fokus pada daerah penelitian saja.
Perancangan Plot Contoh dan Pengambilan Data Lapangan
Plot contoh pada citra dan lapangan dipilih secara purposive sebanyak 32
plot. Titik plot tersebar pada enam jenis vegetasi yaitu 3 plot jenis agathis, 2 plot
jenis pinus, 5 plot jenis puspa, 9 plot jenis campuran agathis dan puspa, 2 plot
jenis campuran pinus dan puspa, dan 11 plot jenis campuran lainnya. Pengambilan
data dimulai dari penentuan titik plot di lapangan menggunakan Arc. View 3.2
ekstensi IHMB-Jaya. Selanjutnya dilakukan penentuan titik plot yang akan
diambil berdasarkan pertimbangan penyebaran dari beberapa jenis yang dominan
di kawasan Hutan Pendidikan Gunung Walat tersebut.
Pengamatan titik koordinat lokasi pengambilan data (plot contoh)
menggunakan alat GPS. Plot contoh berbentuk lingkaran dengan luasan 0.1 ha
dibuat dan dilakukan pengukuran (diameter dan tinggi total) dan identifikasi jenis
pohon didalamnya.
Pengolahan Data Lapangan
Pengolahan data lapangan dilakukan untuk mendapatkan penduga biomassa
tiap plot contoh menggunakan alometrik yang telah tersedia. Pada perhitungan ini
menggunakan rumus seperti terlihat pada Tabel 1.
4
Tabel 1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis pohon
di Hutan Pendidikan Gunung Walat
Jenis pohon
Agathis
Pinus
Mahoni
Meranti
Puspa
Sengon
Model persamaan alometrik
AGB = 0.0528 (D2)1.3612
AGB = 0.066 D2.13H0.257
AGB = 0.048 D 2.68
AGB = 0.058 D 2.68
AGB = 0.0727 (D2H)0.8993
AGB = 0.1479 D2.2989
Sumber
Masripatin et al. (2010)
Hendra (2002)
Adinugroho (2002)
Handayani (2003)
Salim (2005)
Hairiyah & Rahayu (2007)
Sumber: Selviana (2012); AGB = biomassa atas permukaan; D = diameter, H = tinggi
Persamaan alometrik yang terdapat pada tegakan Hutan Pendidikan Gunung
Walat terbatas sehingga untuk jenis yang tidak ada persamaannya digunakan
persamaan yang lebih umum dari Ketterings et al. (2001) yaitu:
W = 0.11 ρ D 2.62
Keterangan:
W
= biomassa tegakan di atas permukaan tanah (ton/ha)
ρ
= massa jenis pohon (kg/m3)
D
= diameter setinngi dada (m)
Persamaan tersebut menggunakan peubah diameter dan kerapatan kayu dari
berbagai jenis yang terdapat di Hutan Pendidikan Gunung Walat agar bisa
menaksir nilai biomassanya dengan meminimalkan kesalahan pengukuran.
Beberapa nilai kerapatan kayu pohon-pohon yang ada di Hutan Pendidikan
Gunung Walat dapat dilihat pada Tabel 2. Beberapa jenis pohon yang tidak
diketahui nilai kerapatannya digunakan nilai kerapatan yang dikemukakan oleh
Brown (1997) yang diacu dalam Ketterings et al. (2001) yaitu sebesar 0.57 g/cm3.
Tabel 2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat
Jenis pohon
Huru
Kayu afrika
Kayu manis
Pasang
Sempur
Teureup
Kerapatan kayu (g/cm3)
0.39
0.42
0.57
0.58
0.76
0.44
Sumber: Oey Djoen Seng (1951) dalam Suwarsono (1990)
Pengolahan Data Citra
Subset lokasi penelitian dilakukan menggunakan Erdas Imagine 9.1 untuk
memudahkan dalam pengambilan titik. Titik-titik plot lokasi pengamatan
menampilkan nilai digital yang berbeda tiap plotnya. Penggunaannya dengan
ekstensi Classifier pada Erdas Imagine 9.1 dibuat dengan buffer sebesar 3 piksel
× 3 piksel pada citra. Square buffer yang terbentuk digunakan sebagai area of
interest (AOI) menampilkan nilai digital yang kemudian diambil nilai rata-rata
dari titik pengamatan dari setiap bandnya. Pengolahan nilai NDVI menggunakan
Erdas Imagine 9.1 ekstensi Interpreter dengan cara memasukkan rumus NDVI =
(NIR-red)/(NIR+red) pada setiap titik pengamatan di lokasi penelitian.
5
Penyusunan Model
Penyusunan model penduga biomassa didasarkan atas peubah pada citra
Landsat 8, yaitu nilai digital pada masing-masing band nilai NDVI. Peubah citra
yang digunakan dalam penelitian ini yaitu nilai digital band asli dan nilai NDVI.
Jenis dan bentuk umum model tersebut seperti terlihat pada Tabel 3.
Tabel 3 Model yang digunakan untuk pendugaan biomassa
Jenis model
Model linier
Model eksponensial
Model kuadratik
Model pangkat
Bentuk model
Y = a + bX1 + cX2 + ...+ nXn
Y = e(a + bX1 + cX2 + ... + nXn)
Y = a + bX12 + cX22 + … + nXn2
Y = aX1b + X2c + … + Xnn
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital
band 4; X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9
= nilai NDVI
Penentuan koefisien regresi, koefisien determinasi koreksi (R2adj),
simpangan baku (s), penguji keberartian model (uji F), dan nilai VIF
menggunakan perangkat lunak Minitab 16. Koefisien-koefisien ini akan dijadikan
sebagai bahan pertimbangan juga dalam pemilihan model.
Uji F yang dilakukan untuk mengetahui signifikan pengaruh peubah
terhadap peubah terikat. Penggunaan tingkat signifikansi pada penelitian ini
sebesar 0.05 (5%). Koefisien determinasi digunakan untuk mengetahui seberapa
besar hubungan beberapa peubah dalam pengertian yang lebih jelas. Koefisien
determinasi menjelaskan mengenai besarnya perubahan atau variasi suatu peubah
oleh perubahan atau variasi pada peubah lain (Santosa 2005). Koefisien
determinasi yang memiliki nilai semakin tinggi maka peubah yang digunakan
dapat menjelaskan nilai biomassa. Koefisien determinasi koreksi dihitung
menggunakan persamaan (Draper dan Smith 1992):
Simpangan baku dihitung menggunakan rumus persamaan (Draper dan
Smith 1992):
√
Keterangan:
JKS = jumlah kuadrat sisa
JKT = jumlah kuadrat total
(n-p) = derajat bebas sisa
(n-1) = derajat bebas total
Model dengan lebih satu peubah rentan terhadap terjadinya multikolinearitas.
Oleh karena itu, pada saat penyusunan dengan pemilihan model terbaik dilakukan
pengujian multikolinearitas. Multikolinearitas suatu model dapat dilihat dari
6
variance inflated factors (VIF), jika suatu model nilai VIF > 10 maka
mengindikasikan terjadi multikolinearitas.
Pemilihan Model
Pemilihan model terbaik terhadap model-model yang diperoleh didasarkan
atas parameter nilai uji F, koefisien determinasi (R2), koefisien determinasi
terkoreksi (R2adj), root mean square error (RMSE), dan simpangannya (s).
Validasi Model
Uji validasi menggunakan data yang berbeda dengan data penyusunan
model. Validasi model ini dilakukan dengan cara membandingkan biomassa hasil
pengukuran di lapangan dengan hasil pendugaan model yang terpilih. Uji validasi
yang digunakan dalam penelitian yaitu uji chi-square, simpangan agregat (SA),
dan simpangan rata-rata (SR).
Pada uji chi-square, jika nilai χ2hitung ≤ χ2tabel maka hasil pendugaan tidak
berbeda nyata dari hasil biomassa sebenarnya. Chi-square hitung diperoleh
melalui rumus (William 1991):
χ
∑
Keterangan :
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
Simpangan agregat dan simpangan rata-rata digunakan untuk mengukur
keakuratan suatu model yang besarnya ditentukan oleh selisih nilai hasil
pendugaan dan hasil pengukuran. Semakin kecil nilai simpangan rata-rata dan
simpangan agregat suatu model maka dikatakan keakuratan model tersebut
semakin tinggi. Nilai SR dan SA dihitung menggunakan rumus (Husch 1963):
∑
∑
∑
∑
Keterangan:
SR
= simpangan rata-rata (%)
SA
= simpangan agregat
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
n
= jumlah pohon
RMSE dihitung menggunakan rumus:
MSE = Ʃ (yi – ŷi)2/(n – p)
RMSE = √
7
Keterangan:
MSE = kuadrat tengah sisa
RMSE = akar kuadrat tengah sisa
yi
= biomassa ke-i
ŷi
= rata-rata biomassa ke-i
n
= jumlah plot contoh
p
= banyaknya parameter yang digunakan
Menurut Akça (1995) dalam Muhdin (1999), bias dapat dihitung dengan
rumus:
∑
Keterangan:
e
= bias
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
n
= jumlah pohon
HASIL DAN PEMBAHASAN
Kondisi Umum Hutan Pendidikan Gunung Walat
Kawasan Hutan Pendidikan Gunung Walat secara geografis terletak antara
6º54 23 –6º55 35 LS dan 106º48 27 –106º50 29 BT dan secara administratif
terletak dalam wilayah Kecamatan Cibadak, Kabupaten Sukabumi. Luas wilayah
hutan 359 ha. Hutan Pendidikan Gunung Walat terletak pada ketinggian 420–726
mdpl yang merupakan sebagian pegunungan berderet dari timur ke barat.
Topografinya bervariasi dari landai sampai bergelombang terutama di bagian
selatan sedangkan ke bagian utara mempunyai topografi yang semakin curam.
Kondisi iklim Hutan Pendidikan Gunung Walat menurut klasifikasi iklim Schmidt
dan Ferguson termasuk tipe B, dengan nilai Q = 14.3%–33% dan banyaknya
curah hujan tahunan berkisar antara 1600-4000 mm. Suhu udara maksimum di
siang hari 29ºC dan minimum 19ºC di malam hari.
Tanah Gunung Walat termasuk dalam keluarga Tropohumult Tipik (latosol
merah kekuningan), Tropodult Tipik (latosol coklat), Dysropept Tipik (podsolik
merah kuning) dan Troportent Lipik (litosol). Keadaan hutan Gunung Walat pada
tahun 1950an sebagian besar berupa tanah kosong yang ditumbuhi semak alangalang dan beberapa pohon yang sangat jarang (Gunung Walat 2015).
Kawasan Hutan Pendidikan Gunung Walat sudah mulai ditanami agathis
pada tahun 1951. Selanjutnya pada periode tahun 1969–1971 dilakukan
penanaman pinus, puspa dan kayu afrika serta pada periode 1971–1972 dilakukan
penanaman agathis. Pada tahun 1973 penanaman telah mencapai 53% hingga
tahun 1980 seluruh wilayah Hutan Pendidikan Gunung Walat telah berhasil
ditanami berbagai jenis tanaman yaitu damar, pinus, puspa, kayu afrika, mahoni,
rasamala, sonokeling, sengon, meranti dan akasia.
8
Nilai Biomassa pada Plot Contoh
Titik plot diambil berdasarkan tipe yang dominan berada di lokasi tersebut
seperti agathis, pinus, puspa, campuran agathis dan puspa, campuran pinus dan
puspa serta campuran lainnya (jamoloh, kayu afrika, harendong, huru, pinus,
puspa dan teureup). Perhitungan biomassa pohon menggunakan alometrik
biomassa yang tersedia di Hutan Pendidikan Gunung Walat, sedangkan untuk
jenis huru, kayu afrika, kayu manis, pasang, sempur, dan teureup maka
menggunakan persamaan dari Ketterings et al. (2001). Perhitungan biomassa
dilakukan pada setiap jenis pohon yang berada dalam masing-masing plot
pengamatan terlihat seperti pada Tabel 4.
Tabel 4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan
Gunung Walat
Tipe vegetasi
Agathis
Campuran agathis dan puspa
Campuran (jamoloh, kayu
afrika, harendong, huru, pinus,
puspa, dan teureup)
Puspa
Pinus
Campuran pinus dan puspa
Rata-rata biomassa
(ton/ha)
318.24
291.28
211.19
Simpangan baku (s) Jumlah
(ton/ha)
plot
5.4
3
6.4
8
7.2
12
149.62
125.00
112.11
4.2
1.2
1.6
5
2
2
Biomassa terbesar terdapat pada tipe vegetasi agathis serta campuran agathis
dan puspa dapat diduga karena pengaruh diameter pohon jenis ini cukup besar
(mencapai > 45 cm) dan jumlahnya yang relatif banyak didalam plotnya
dibandingkan dengan plot lainnya. Biomassa jenis vegetasi campuran (jamoloh,
kayu afrika, harendong, huru, pinus, puspa, dan teureup) memiliki nilai biomassa
terkecil dikarenakan jenisnya berumur muda, diameter pohonnya kecil, dan
jumlah pohon dalam plotnya relatif sedikit. Dengan demikian, besarnya biomassa
dipengaruhi oleh jenis, diameter, tinggi serta jumlah pohon didalam plotnya.
Selain itu, menurut Satoo dan Madgwick (1982), diacu dalam Onrizal (2004)
menyatakan kondisi iklim setempat, terutama temperatur dan curah hujan juga
merupakan faktor iklim yang berpengaruh terhadap biomassa.
Nilai NDVI pada Citra Landsat 8
Komposit citra adalah hasil citra yang baru merupakan bagian dari
gabungan tiga saluran yang mampu menampilkan keunggulan dari saluran
penyusun yang digunakan. Komposit citra ini dilakukan guna membantu dalam
memahami pemberian warna karena keterbatasan dalam penglihatan oleh mata.
Hasil penggabungan kombinasi band 1, 2, 3, 4, 5, 6, 7, dan 9 pada citra Landsat 8
menghasilkan citra normal yang belum memiliki kekontrasan warna yang jelas
sehingga digunakan kombinasi band citra komposit 7–5–4 seperti terlihat pada
Gambar 1.
9
Gambar 1 Citra normal dengan band kombinasi 7–5–4
Normalized difference vegetation index (NDVI) merupakan indikator
kehijauan yang dapat digunakan untuk menduga biomassa dari citra satelit melihat
tingkat kehijauan. NDVI menunjukkan parameter yang berhubungan dengan
vegetasi yaitu dedaunan hijau menggunakan band inframerah dekat (NIR) dan
band merah (VIS). Nilai NDVI diperoleh dengan perhitungan inframerah dan
band merah yang dipantulkan oleh tumbuhan (dedaunan hijau) tersebut. Analisis
NDVI dapat digunakan sebagai indikator biomassa dan tingkat kehijauan
(greenness) relatif yang memungkinkan dapat dilakukan penghitungan dan
pengukuran biomassa pada citra (Ryan 1997). Hasil citra NDVI di Hutan
Pendidikan Gunung Walat memperlihatkan warna mendekati dominan keabuan
hingga kehitaman (Gambar 2).
Gambar 2 Citra hasil NDVI
Selang nilai NDVI antara -1 hingga +1 menggambarkan tingkat kehijauan
dan intensitas dari suatu vegetasi (Hidayati 2013). Nilai NDVI semakin mendekati
+1 menunjukkan ambang vegetasinya tinggi dan warna klasifikasinya menjadi
lebih berwarna hitam. Hasil penelitian menunjukkan nilai piksel NDVI antara
0.30.5 sehingga wilayah ini berwarna abu kehitaman memiliki kerapatan sedang
sampai tinggi (Departemen Kehutanan 2009).
10
Korelasi pada Biomassa Lapangan, Nilai Digital Band Landsat TM 8, dan
NDVI
Peubah penduga nilai digital band yang digunakan merupakan nilai digital
dari hasil training area yang berupa square buffer AOI, sedangkan nilai NDVI
dan biomassa lapangan berdasarkan lokasi titik plot contoh. Hubungan
antarpeubah dalam model penduga biomassa pada citra Landsat dapat diketahui
dari nilai korelasi antarpeubah seperti terlihat pada Tabel 5. Hubungan linear
antarpeubah tersebut diukur menggunakan korelasi Pearson. Nilai korelasi +1
artinya mempunyai hubungan linier positif sempurna dan korelasi -1 artinya
mempunyai hubungan linier negatif sempurna (Usman dan Akbar 2000).
Berdasarkan nilai korelasi tersebut diketahui bahwa nilai digital band citra
Landsat mempunyai korelasi yang lemah terhadap biomassa, sedangkan nilai
NDVI mempunyai korelasi yang kuat terhadap biomassa (Tabel 5). Hal ini sejalan
dengan Jensen (2005) yang menyatakan bahwa indeks vegetasi dapat digunakan
sebagai parameter biofisik dan biomassa merupakan salah satu aspek yang dapat
dilihat dari kerapatan vegetasi. Semakin rapat suatu vegetasi, maka biomassa juga
akan semakin besar.
Tabel 5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap
biomassa
Korelasi
Biomassa
Band 1
Band 2
Band 3
Band 4
Band 5
Band 6
Band 7
Band 9
NDVI
Biomassa
1
0.003
-0.054
-0.100
-0.140
0.282
-0.108
-0.238
0.117
0.512
Band 1
Band 2
Band 3
Band 4
Band 5
Band 6
Band 7
Band 9
NDVI
1
0.979*
0.904*
0.911*
0.213
0.502
0.637
0.922*
0.289
1
0.950*
0.961*
0.249
0.586*
0.725
0.877*
0.260
1
0.974*
0.389
0.645*
0.780
0.782
0.270
1
0.244
0.624*
0.779*
0.782*
0.168
1
0.579
0.426
0.082
0.470
1
0.958*
0.297
0.179
1
0.450
0.098
1
0.098
1
*berkorelasi
Model Penduga Biomassa
Penyusunan model penduga biomassa melalui analisis regresi menggunakan
berbagai macam model dan banyaknya peubah. Peubah yang digunakan yaitu
peubah bebas dari nilai digital masing-masing band pada citra Landsat 8.
Multikolinearitas terjadi antara dua peubah atau lebih dalam suatu persamaan
regresi. Penyusunan model regresi menggunakan peubah yang memiliki nilai VIF
< 10. Penyusunan regresi menghasilkan 8 buah model penduga biomassa seperti
terlihat pada Tabel 6.
11
Tabel 6 Model penduga biomassa di Hutan Pendidikan Gunung Walat
3.25
R2adj
(%)
45.7
83.4
3.91
2.60
19.5
37.5
101.6
0.41
3.37
16.5
0.48
3.35
46.8
82.6
4.11
2.44
20.6
35.1
100.95
0.42
4.11
15.3
0.48
Model
Parameter
Persamaan
Fhit
Linear
semua peubah
Eksponensial
peubah VIF < 10
semua peubah
Y = 4507 1.21X1 0.78X2
0.07X3 + 1.35X4 0.0245X5
+ 0.789X6 2.23X7 + 2.62X8
+ 762X9
Y = -57 0.046 X8 + 1552 X9
Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = exp (1.8 + 0.00022X8
+ 6.64X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 53 0.000004X82 + 2330X92
Y = 1.17606*1092X160.4X2-31.67
X36.7X439.1X5-2.56X632.7
X768.9X866.0X91.02
Y = 0.122X81.1 X92.16
peubah VIF < 10
Kuadratik
semua peubah
Pangkat
peubah VIF < 10
semua peubah
peubah VIF < 10
s
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital
band 4; X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9
= nilai NDVI
Uji keberartian model regresi pada semua model penduga biomassa yang
diperoleh pada Tabel 6 menunjukkan bahwa biomassa dapat diduga menggunakan
peubah nilai digital band dan nilai NDVI citra Landsat. Namun, besarnya peranan
nilai digital band dan nilai NDVI terhadap biomassa tidak terlalu besar (R2adj <
50%). Hasil yang tidak jauh berbeda juga didapatkan dari penelitian Solihin
(2014) yang mendapatkan nilai R2adj sebesar 32.9% dan Juniyanti (2014)
mendapatkan nilai R2adj hanya 20%. Hal tersebut dapat berpengaruh dari
banyaknya band yang digunakan dan data keseluruhan yang belum mewakili
kondisi lapangan sebenarnya.
Nilai R2adj yang terbesar terdapat pada model kuadratik menggunakan
semua peubah sedangkan yang terkecil terdapat pada model pangkat
menggunakan peubah nilai VIF < 10. Dengan kata lain, sebenarnya ada peubah
lain yang dapat berperan dalam menduga biomassa tetapi dalam penelitian ini
tidak dikaji. Hines dan Montgomery (1990) mengatakan bahwa meskipun suatu
model memiliki R2adj yang besar, tidak berarti model tersebut model yang terbaik.
Uji Validasi Model
Uji validasi terhadap model penduga biomassa yang diperoleh berdasarkan
atas nilai simpangan agregat (SA), simpangan rata-rata (SR), uji chi-square, nilai
bias, dan nilai RMSE seperti yang terlihat pada Tabel 7 dan Tabel 8.
12
Tabel 7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan semua parameter peubah
Model
Persamaan
SA
SR
(%)
X2hit
Bias
RMSE
Linear
Y = 4507 1.21X1 0.78X2
0.07X3 + 1.35X4 0.0245X5
+ 0.789X6 2.23X7 + 2.62X8
+ 762X9
Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 1.17606*1092X160.4X2-31.67
X36.7X439.1X5-2.56X632.7
X768.9X866.0X91.02
-0.54*
1130.5
556.4
-78.8
85860
0.00063*
9.6*
556.2
182.5
88802
0.00063*
52.3
3216.4
1619.4
456829.9
0.00063*
-95.5
483.8
-769.6
170086.4
Eksponensial
Kuadratik
Pangkat
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4; X5 = nilai
digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X 8= nilai digital band 9; X9 = nilai NDVI; * = model valid
Tabel 8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan parameter peubah VIF < 10
X2hit
Bias
RMSE
0.052*
SR
(%)
38.6
582.0
87.4
2.0
0.013*
9.1*
0.41*
-1543
2.0
-0.011*
41.7
495.0
-16.9
82909
0.9681*
96.8
0.02*
-427.5
180324
Model
Persamaan
SA
Linear
Y = -57 0.046X8
+ 1552X9
Y = exp (1.8 + 0.00022X8
+ 6.64X9)
Y = 53 0.000004X82
+ 2330X92
Y = 0.122X81.1 X92.16
Eksponensial
Kuadratik
Pangkat
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4; X5 = nilai
digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9 = nilai NDVI; * = model valid
Berdasarkan nilai SA semua model yang diuji dapat dikatakan valid, namun
berdasarkan nilai SR hanya model eksponensial dapat dikatakan valid. Kriteria
pengujian ini mengacu pada Chapman dan Meyer (1949) dan Husch (1963) yang
menyatakan bahwa simpangan agregat model penduga pohon sebaiknya tidak
lebih dari 1. Spurr (1952) menyatakan bahwa model dikatakan valid jika
simpangan rata-rata tidak lebih dari 10%. Berdasarkan uji chi-square, model
eksponensial dan pangkat dengan hanya dua peubah (X8 dan X9) yang dapat
dikatakan valid.
Berdasarkan nilai bias dan RMSE, semua model penduga biomassa
memiliki nilai cukup besar. Nilai bias menunjukkan besarnya kesalahan sistematis
yang dapat terjadi pada kegiatan pengukuran, pemilihan contoh, dan teknik
pendugaan parameter. Nilai bias ini dapat bernilai positif dan negatif (Akça 1995,
diacu dalam Muhdin 1999). Nilai RMSE menunjukkan ketepatan suatu model yang
digunakan, semakin kecil nilai RMSE-nya maka semakin akurat ketepatan
pemodelannya.
13
Pemilihan Model Terbaik
Pemeringkatan model penduga biomassa disusun berdasarkan kriteria R2adj,
simpangan baku, nilai bias, dan RMSE sebagaimana disajikan pada Tabel 9.
Tabel 9 Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung Walat
Model
Linear
*Eksponensial
Kuadratik
Parameter
peubah
VIF < 10
semua
peubah
peubah
VIF < 10
semua
peubah
peubah
VIF < 10
Persamaan
Y = -57 0.046 X8 + 1552 X9
Y = exp(24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = exp(1.8 + 0.00022X8
+ 6.64X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 53 0.000004X82 + 2330X92
R2adj
4
Peringkat
s
Bias RMSE
5
2
1.5
Jumlah
12.5
2
1
3
4
10
5
2
5
1.5
13.5
1
3
4
5
13
3
4
1
3
11
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4;
X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9 = nilai NDVI; * =
model terpilih
Model terpilih berdasarkan hasil penjumlahan peringkat terkecil yaitu model
eksponensial Y= exp(24.5 0.00604X1 0.00335X2 + 0.00178X3 + 0.00493X4
0.000216X5 + 0.00391X6 0.0111X7 + 0.0120X8 + 3.23X9).
SIMPULAN DAN SARAN
Simpulan
Model eksponensial dengan melibatkan nilai digital band 1, 2, 3, 4, 5, 6, 7, 9,
dan nilai NDVI merupakan model regresi terpilih untuk menduga biomassa atas
permukaan di Hutan Pendidikan Gunung Walat. Walaupun demikian model ini
memiliki kelemahan seperti kecilnya nilai koefisien determinasi dan tingginya
nilai RMSE.
Saran
Penelitian model pendugaan dengan citra Landsat sebaiknya menggunakan
peubah yang berkorelasi dengan peubah respons dan tidak berkorelasi sesamanya
untuk meningkatkan akurasi pemodelannya. Perlu pengambilan titik plot yang
lebih banyak baik di lapangan atau pun pada citra.
14
DAFTAR PUSTAKA
Arief A. 2005. Hutan dan Kehutanan. Yogyakarta (ID): Penerbit Kanisius.
Brown S. 1997. Estimating Biomass Change of Tropical Forest. A Primer. USA:
FAO Forestry Paper No. 134.
Chapman HH, Meyer WH. 1976. Forest Mensuration. New York (US): McGrawHill Book Company Inc.
Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia
nomor: P.32/MENHUT-II/2009. Jakarta.
Draper NR, H Smith. 1992. Analisis Regresi Terapan Edisi Kedua. Jakarta: PT.
Gramedia Pustaka Utama.
Hairiah K, Rahayu S. 2007. Petunjuk Praktis Pengukuran Karbon Tersimpan di
Berbagai Macam Penggunaan Lahan. Bogor (ID): World Agroforestry
Centre - ICRAF, SEA Regional Office. University of Brawijaya,
Hidayati IN. 2013. Ekstraksi data indeks vegetasi untuk evaluasi ruang terbuka
hijau berdasarkan citra ALOS di Kecamatan Ngaglik Kabupaten Sleman
Yogyakarta. Jurnal Agroteknologi3(2): 2734.
Hines WW, Montgomery DC. 1990. Probabilita dan Statistik dalam Ilmu
Rekayasa dan Manajemen. Edisi Kedua. Rudiansyah, penerjemah. Jakarta
(ID): UI Press.
[HPGW] Hutan Pendidikan Gunung Walat. 2015. Kondisi umum Hutan
Pendidikan Gunung Walat [Internet]. [diunduh 2015 Jan 20]. Tersedia pada
http://www.gunungwalat.net/about-us/kondisi-umum
Husch B. 1963. Forest Mensuration and Statistics. New York (US): Ronald Press
Company Inc.
Jensen JR. 2005. Introductory Digital Image Processing, A Remote Sensing
Perspective.New Jersey (US): Prentice Hall.
Juniyanti L. 2014. Pendugaan biomassa atas tegakan di Hutan Rakyat
menggunakan Citra Landsat 8 (Studi kasus di Asosiasi Petani Hutan Rakyat
Wonosobo) [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ketterings QM, Coe R, Noordwijk M, Ambagau Y, Palm CA. 2001. Reducing
uncertainty in the use of allometric biomass equations for predicting aboveground tree biomass in mixed secondary forests. Forest Ecology and
Management 146: 199209.
Muhdin. 1999. Analisis beberapa rumus penduga volume log: Studi kasus pada jenis
meranti (Shorea spp.) di areal HPH PT Siak Raya Timber, Propinsi Riau.
Jurnal Manajemen Hutan Tropika5(2): 3344.
Onrizal. 2004. Model penduga biomassa dan karbon tegakan hutan kerangas di
Taman Nasional Danau Setarum, Kalimantan Barat [tesis]. Bogor (ID):
Institut Pertanian Bogor.
Ryan L. 1997. Creating Normalizad Difference Vegetation Index (NDVI) Image
Using Multispec. University of New Hampshire.
Santosa. 2005. Analisis Statistik dengan Microsoft excel dan SPSS. Yogyakarta
(ID). Andi Yogyakarta.
Satoo T, Madgwick HAS. 1982. Forest Biomass. London (EN): Junk Publisher.
15
Selviana V. 2012. Pendugaan potensi volume, biomassa, dan cadangan karbon
tegakan di Hutan Pendidikan Gunung Walat Sukabumi Jawa Barat [skripsi].
Bogor (ID): Institut Pertanian Bogor.
Seng OD. 1990. Berat Jenis Kayu Indonesia dan Signifikan untuk Penggunaan
Praktis. Suwarsono P H, penerjemah. Bogor (ID): Departemen Kehutanan
Indonesia. Terjemahan dari: Spesific Gravity of Indonesia Woods and Its
Significance for Practicl Use.
Solihin MP. 2014. Aplikasi Citra Landsat 8 dalam memetakan biomassa atas
tegakan di KPH Ciamis [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Spuur SH. 1952. Forest Inventory. New York (US): The Ronald Press Company,
Inc.
Usman H, Akbar PS. 2000. Pengantar Statistik. Jakarta (ID): Bumi Aksara.
William Stanfield D. 1991. Genetika Edisi Kedua. Jakarta (ID): Erlangga.
16
RIWAYAT HIDUP
Penulis dilahirkan di Nabire, Papua pada tanggal 22 Agustus 1992. Penulis
merupakan anak pertama dari dua bersaudara pasangan Bapak Haryono dan Ibu
Martha Popoi. Riwayat pendidikan penulis dimulai dari pendidikan formal lulusan
TK Aisyiyah Bustanul Athfal Gorontalo tahun 1998, SD Negeri Teluk 1 Labuan
tahun 2004, SMP Negeri 1 Labuan tahun 2007 dan SMA Negeri 2 Pandeglang
tahun 2010. Penulis masuk IPB melalui jalur Ujian Seleksi Masuk Institut
Pertanian Bogor (USMI) dan terdaftar sebagai mahasiswa Departemen
Manajemen Hutan Fakultas Kehutanan IPB.
Penulis aktif di organisasi Himpunan Profesi Forest Management Student
Club (FMSC) sebagai anggota divisi Infokom periode 2011-2012 dan Keprofesian
periode 2012-2013 serta anggota PC Sylva Indonesia periode 2011-2013. Penulis
pernah mengikuti kegiatan kepanitian Seminar Nasional dan Lokakarya pada
tahun 2011 dan 2013, Pekan Ilmiah Kehutanan Nasional pada tahun 2012.
Praktik yang pernah diikuti penulis yaitu: Praktik Pengenalan Ekosistem
Hutan (PPEH) Jalur Papandayan dan Sancang Timur Kabupaten Garut pada tahun
2012, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat
Kabupaten Sukabumi pada tahun 2013 dan Praktik Kerja Lapang (PKL) di
PT. Suka Jaya Makmur, Kalimantan Barat pada tahun 2014.
Skripsi berjudul Model Penduga Biomassa Menggunakan Citra Landsat di
Hutan Pendidikan Gunung Walat merupakan karya penulis sebagai syarat untuk
mendapatkan gelar sarjana kehutanan pada Departemen Manajemen Hutan
Fakultas Kehutanan Institut Pertanian Bogor dibawah bimbingan Priyanto, S.Hut
M.Si .
MENGGUNAKAN CITRA LANDSAT
DI HUTAN PENDIDIKAN GUNUNG WALAT
HARLYN HARLINDA
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Model Penduga
Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat adalah
benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan
dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Februari 2015
Harlyn Harlinda
NIM E14100070
ABSTRAK
HARLYN HARLINDA. Model Penduga Biomassa Menggunakan Citra Landsat
di Hutan Pendidikan Gunung Walat. Dibimbing oleh PRIYANTO.
Satelit citra Landsat 8 memiliki dua sensor yang terdiri dari onboard
operational land image (OLI) dan thermal infrared sensor (TIRS) yang berfungsi
sebagai pendugaan biomassa. Sedangkan untuk mendapatkan nilai biomassa
dengan melihat indikator kehijauannya menggunakan pendekatan indeks vegetasi
berupa penggunaan normalized difference vegetation index (NDVI). Penelitian ini
mendapatkan model pendugaan biomassa atas permukaan menggunakan peubah
citra dan nilai NDVI. Perhitungan biomassa dilakukan menggunakan alometrik.
Hubungan biomassa lapangan dan nilai digital dilakukan untuk menyusun model.
Pemilihan model terbaik berdasarkan nilai koefisien determinasi terkoreksi (R2adj),
simpangan baku, nilai bias dan nilai RMSE. Model terpilih yaitu model
eksponensial menggunakan semua peubah dan NDVI Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3 + 0.00493X4 0.000216X5 + 0.00391X6 0.0111X7 +
0.0120X8 + 3.23X9). Model terpilih berdasarkan hasil pemeringkatan dengan nilai
R2adj sebesar 37.5%, simpangan baku sebesar 0.41, nilai bias sebesar 182.5 dan
niai RMSE sebesar 88802.
Kata kunci : biomassa, Landsat 8, nilai digital, pendugaan biomassa
ABSTRACT
HARLYN HARLINDA. Biomass Estimation Model Using Landsat Imagery in
Gunung Walat Educational Forest. Supervised by PRIYANTO.
Satellite imagery Landsat 8 has two sensors that is onboard operational land
image (OLI) and thermal infrared sensor (TIRS) which has function for biomass
estimation. Biomass valueis obtain by look at the greenness index using
vegetation index approach by using NDVI. This research is to obtain above
ground biomass estimation value using imagery variable and NDVI value.
Biomass calculation is using allometric. The relationship between field biomass
and digital value of biomass is conduct to establish the model. Selection of the
best model is based on coefficient decision corrected value (R2adj), standard
deviation, biased value and RMSE value. Selected model is exponential model
using all variables and NDVI Y = exp (24.5 0.00604X1 0.00335X2 +
0.00178X3 + 0.00493X4 0.000216X5 + 0.00391X6 0.0111X7 + 0.0120X8 +
3.23X9). The model was selected according to the results of the ranking with
37.5% of R2adj value, 0.41 of standard deviation value, 182.5 of bias value and
88802 of bias value.
Key words: biomass, biomass estimation, digital value, Landsat 8
MODEL PENDUGA BIOMASSA
MENGGUNAKAN CITRA LANDSAT
DI HUTAN PENDIDIKAN GUNUNG WALAT
HARLYN HARLINDA
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PRAKATA
Puji dan syukur penulis panjatkan atas kehadirat Allah subhanahu wa ta’ala
atas segala karunia-Nya sehingga skripsi ini dapat diselesaikan. Penelitian yang
dilakukan pada bulan Juni 2014 mengenai biomassa dengan judul Model Penduga
Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat.
Terima kasih penulis ucapkan kepada Bapak Priyanto, S.Hut M.Si selaku
pembimbing yang telah banyak memberikan bimbingan dan arahan dalam
menyelesaikan skripsi ini, untuk kedua orang tua, adik serta keluarga yang selalu
mendukung dan memberikan semangat dalam penyelesaian skripsi. Ucapan terima
kasih diberikan kepada pihak pengelola dari Hutan Pendidikan Gunung Walat
yang telah memberikan izin dalam pelaksanaan penelitian serta seluruh staf yang
telah membantu dalam proses pengambilan data di lapangan baik secara langsung
maupun tidak langsung. Terima kasih juga kepada Bapak Uus Saepul M atas
arahannya, seluruh keluarga besar Laboratorium Perencanaan Hutan, keluarga
Manajemen Hutan angkatan 46 dan 47, keluarga Fahutan serta kosan Bisma 1 atas
doa dan dukungannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2015
Harlyn Harlinda
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Batasan Penelitian
2
METODE
2
Lokasi dan Tempat
2
Alat
2
Bahan dan Data
2
Tahap Penelitian
2
HASIL DAN PEMBAHASAN
7
Kondisi Umum Hutan Pendidikan Walat
7
Nilai Biomassa pada Plot Contoh
8
Nilai NDVI pada Citra Landsat 8
8
Korelasi pada Biomassa Lapangan, Nilai Digital dan NDVI
10
Model Penduga Biomassa
10
Uji Validasi Model
11
Pemilihan Model Terbaik
13
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
13
DAFTAR PUSTAKA
14
RIWAYAT HIDUP
16
DAFTAR TABEL
1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis
pohon di Hutan Pendidikan Gunung Walat
2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat
3 Model yang digunakan untuk pendugaan biomassa
4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan
Gunung Walat
5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap
biomassa
6 Model penduga biomassa di Hutan Pendidikan Gunung Walat
7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan semua parameter peubah
8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan parameter peubah VIF < 10
9 Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung
Walat
4
4
5
8
10
11
12
12
13
DAFTAR GAMBAR
1 Citra normal dengan band kombinasi 7–5–4
2 Citra hasil NDVI
9
9
PENDAHULUAN
Hutan merupakan salah satu ekosistem yang memiliki peranan penting
dalam mengatasi perubahan iklim, terutama hal yang berkaitan dengan cadangan
karbon. Penggunaan karbon pohon sangat penting karena sebagian besar berasal
dari biomassa. Sekitar 90% permukaan bumi memiliki biomassa dalam hutan
yang berbentuk kayu, dahan, daun, akar, serasah, hewan dan jasad renik (Arif
2005). Biomassa merupakan total jumlah materi hidup yang berada di atas
permukaan tanah yang dinyatakan dalam satuan berat kering per satuan luas
(Brown 1997).
Menurut Hairiah dan Rahayu (2007), pendugaan biomassa dapat dilakukan
dengan metode pemanenan secara langsung (destructive sampling) dan metode
tidak langsung (hubungan alometrik). Metode pemanenan secara langsung
dilakukan dengan cara penebangan sehingga diperoleh data kuantitatif berupa
berat basah dan berat kering kayu. Metode tidak langsung dilakukan melalui
hubungan alometrik yaitu mencari keterkaitan beberapa peubah bebas (dimensi
pohon) yang mampu menerangkan peubah tidak bebasnya (biomassa). Pendugaan
biomassa tegakan juga dapat menggunakan model pendugaan biomassa
berdasarkan ekstraksi nilai digital satelit Landsat.
Salah satu satelit yang digunakan dalam pendugaan biomassa pada
penelitian ini yaitu citra Landsat 8 yang memiliki sensor onboard operational
land image (OLI) dan thermal infrared sensor (TIRS). Citra Landsat 8
menggunakan pendekatan indeks vegetasi normalized difference vegetation index
(NDVI) mampu menduga biomassa yang terdapat di suatu areal. NDVI dapat
digunakan untuk mengukur kondisi relatif vegetasi sehingga dalam penelitian ini
digunakan citra Landsat untuk menduga biomassa serta memanfaatkan
pendekatan NDVI.
Tujuan Penelitian
Tujuan penelitian untuk mendapatkan model penduga biomassa atas
permukaan di Hutan Pendidikan Gunung Walat menggunakan peubah digital dan
indeks vegetasi pada citra Landsat 8.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah memberikan informasi
mengenai ketersediaan model penduga biomassa yang digunakan dalam
penerapan metode sampling misalnya double sampling untuk menduga biomassa
atas permukaan di Hutan Pendidikan Gunung Walat.
2
Batasan Penelitian
Penelitian ini menggunakan biomassa atas permukaan yang terdiri dari
enam jenis vegetasi yaitu vegetasi agathis, pinus, puspa, campuran agathis dan
puspa, campuran pinus dan puspa serta campuran lainnya (jamoloh, kayu afrika,
harendong, huru, pinus, puspa, dan teureup). Pendugaan biomassa ini
menggunakan citra Landsat 8 dengan band 1, 2, 3, 4, 5, 6, 7, 9, dan NDVI.
METODE
Lokasi dan Waktu
Penelitian ini dilaksanakan pada bulan Mei–Desember 2014. Tahap
prapengolahan citra dilaksanakan pada bulan Mei 2014 bertempat di
Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor. Pengambilan data di lapangan dilaksanakan
pada bulan Juni–Juli 2014 di Hutan Pendidikan Gunung Walat, Sukabumi. Tahap
pengolahan data dilaksanakan pada Agustus–Desember 2014.
Alat dan Data
Alat ukur penting yang digunakan yaitu global positioning system (GPS),
kompas, haga hypsometer, dan pita diameter. Alat bantu dalam pengolahan citra
dan analisis spasial berupa perangkat lunak ArcView 3.2, ArcGIS versi 9.3, DNR
Garmin, MS-Office, perangkat lunak Erdas Imagine 9.1, dan Minitab 16.
Bahan
Bahan yang digunakan dalam penelitian berupa tegakan hutan di Hutan
Pendidikan Gunung Walat, Citra Landsat 8 OLI Path/Row 122/065 resolusi
spasial 30 m × 30 m perekaman 12 Agustus 2014 yang diperoleh dari
earthexplorer.usgs.gov.
Tahap Pelaksanaan
Tahapan pelaksanaan penelitian ini secara umum dilakukan dengan
prapengolahan citra, pengambilan data, pengolahan data (lapangan dan citra), dan
pengambilan model terbaik.
Prapengolahan Citra
Prapengolahan citra merupakan tahap awal dari pengolahan citra satelit,
dimulai dari import data citra, koreksi geometrik citra, dan pemotongan citra.
1. Import Data
Citra yang digunakan adalah citra Landsat 8 dengan path 122 dan row 65.
Pada awalnya data yang didapatkan yaitu dalam bentuk format *TIF
kemudian dilakukan perubahan format menggunakan perangkat lunak Erdas
Imagine 9.1 menjadi *.img.
3
2. Pembuatan Band Komposit
Pembuatan band komposit ini sebagai salah satu langkah yang harus
dilakukan dalam pembuatan citra dengan menggabungkan citra tersebut guna
mendapatkan warna seperti yang sebenarnya pada permukaan bumi. Hal ini
dikarenakan awalnya citra yang telah diunduh masing-masing masih dalam
bentuk band tersendiri. Penggabungan band terdiri dari band tampak cahaya
(band 1, band 2, band 3 dan band 4), near infrared (NIR), shortware infrared
(SWIR), dan cirrus pada Landsat 8. Penelitian ini ditambahkan normalized
difference vegetation index (NDVI) yang digabungkan band komposit pada
citra Landsat 8.
3. Koreksi Geometrik Citra
Koreksi gometrik citra dibutuhkan untuk rektifikasi (pembetulan) agar
citra yang dipakai sesuai dengan koordinatnya. Rektifikasi menggunakan data
digital elevation model (DEM) dari Global Land Surveys 2000 sudah
dilakukan pada citra Landsat 8, sehingga hanya diperlukan reproject citra
untuk mengubah proyeksi citra menjadi universal transverse mercator
(UTM) zona 49 S dan datum WGS 84.
4. Pemotongan Citra
Pemotongan citra ini bertujuan mendapatkan citra yang sesuai dengan
lokasi penelitian yaitu Hutan Pendidikan Gunung Walat, Sukabumi. Hal ini
dilakukan agar citra yang terlihat fokus pada daerah penelitian saja.
Perancangan Plot Contoh dan Pengambilan Data Lapangan
Plot contoh pada citra dan lapangan dipilih secara purposive sebanyak 32
plot. Titik plot tersebar pada enam jenis vegetasi yaitu 3 plot jenis agathis, 2 plot
jenis pinus, 5 plot jenis puspa, 9 plot jenis campuran agathis dan puspa, 2 plot
jenis campuran pinus dan puspa, dan 11 plot jenis campuran lainnya. Pengambilan
data dimulai dari penentuan titik plot di lapangan menggunakan Arc. View 3.2
ekstensi IHMB-Jaya. Selanjutnya dilakukan penentuan titik plot yang akan
diambil berdasarkan pertimbangan penyebaran dari beberapa jenis yang dominan
di kawasan Hutan Pendidikan Gunung Walat tersebut.
Pengamatan titik koordinat lokasi pengambilan data (plot contoh)
menggunakan alat GPS. Plot contoh berbentuk lingkaran dengan luasan 0.1 ha
dibuat dan dilakukan pengukuran (diameter dan tinggi total) dan identifikasi jenis
pohon didalamnya.
Pengolahan Data Lapangan
Pengolahan data lapangan dilakukan untuk mendapatkan penduga biomassa
tiap plot contoh menggunakan alometrik yang telah tersedia. Pada perhitungan ini
menggunakan rumus seperti terlihat pada Tabel 1.
4
Tabel 1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis pohon
di Hutan Pendidikan Gunung Walat
Jenis pohon
Agathis
Pinus
Mahoni
Meranti
Puspa
Sengon
Model persamaan alometrik
AGB = 0.0528 (D2)1.3612
AGB = 0.066 D2.13H0.257
AGB = 0.048 D 2.68
AGB = 0.058 D 2.68
AGB = 0.0727 (D2H)0.8993
AGB = 0.1479 D2.2989
Sumber
Masripatin et al. (2010)
Hendra (2002)
Adinugroho (2002)
Handayani (2003)
Salim (2005)
Hairiyah & Rahayu (2007)
Sumber: Selviana (2012); AGB = biomassa atas permukaan; D = diameter, H = tinggi
Persamaan alometrik yang terdapat pada tegakan Hutan Pendidikan Gunung
Walat terbatas sehingga untuk jenis yang tidak ada persamaannya digunakan
persamaan yang lebih umum dari Ketterings et al. (2001) yaitu:
W = 0.11 ρ D 2.62
Keterangan:
W
= biomassa tegakan di atas permukaan tanah (ton/ha)
ρ
= massa jenis pohon (kg/m3)
D
= diameter setinngi dada (m)
Persamaan tersebut menggunakan peubah diameter dan kerapatan kayu dari
berbagai jenis yang terdapat di Hutan Pendidikan Gunung Walat agar bisa
menaksir nilai biomassanya dengan meminimalkan kesalahan pengukuran.
Beberapa nilai kerapatan kayu pohon-pohon yang ada di Hutan Pendidikan
Gunung Walat dapat dilihat pada Tabel 2. Beberapa jenis pohon yang tidak
diketahui nilai kerapatannya digunakan nilai kerapatan yang dikemukakan oleh
Brown (1997) yang diacu dalam Ketterings et al. (2001) yaitu sebesar 0.57 g/cm3.
Tabel 2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat
Jenis pohon
Huru
Kayu afrika
Kayu manis
Pasang
Sempur
Teureup
Kerapatan kayu (g/cm3)
0.39
0.42
0.57
0.58
0.76
0.44
Sumber: Oey Djoen Seng (1951) dalam Suwarsono (1990)
Pengolahan Data Citra
Subset lokasi penelitian dilakukan menggunakan Erdas Imagine 9.1 untuk
memudahkan dalam pengambilan titik. Titik-titik plot lokasi pengamatan
menampilkan nilai digital yang berbeda tiap plotnya. Penggunaannya dengan
ekstensi Classifier pada Erdas Imagine 9.1 dibuat dengan buffer sebesar 3 piksel
× 3 piksel pada citra. Square buffer yang terbentuk digunakan sebagai area of
interest (AOI) menampilkan nilai digital yang kemudian diambil nilai rata-rata
dari titik pengamatan dari setiap bandnya. Pengolahan nilai NDVI menggunakan
Erdas Imagine 9.1 ekstensi Interpreter dengan cara memasukkan rumus NDVI =
(NIR-red)/(NIR+red) pada setiap titik pengamatan di lokasi penelitian.
5
Penyusunan Model
Penyusunan model penduga biomassa didasarkan atas peubah pada citra
Landsat 8, yaitu nilai digital pada masing-masing band nilai NDVI. Peubah citra
yang digunakan dalam penelitian ini yaitu nilai digital band asli dan nilai NDVI.
Jenis dan bentuk umum model tersebut seperti terlihat pada Tabel 3.
Tabel 3 Model yang digunakan untuk pendugaan biomassa
Jenis model
Model linier
Model eksponensial
Model kuadratik
Model pangkat
Bentuk model
Y = a + bX1 + cX2 + ...+ nXn
Y = e(a + bX1 + cX2 + ... + nXn)
Y = a + bX12 + cX22 + … + nXn2
Y = aX1b + X2c + … + Xnn
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital
band 4; X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9
= nilai NDVI
Penentuan koefisien regresi, koefisien determinasi koreksi (R2adj),
simpangan baku (s), penguji keberartian model (uji F), dan nilai VIF
menggunakan perangkat lunak Minitab 16. Koefisien-koefisien ini akan dijadikan
sebagai bahan pertimbangan juga dalam pemilihan model.
Uji F yang dilakukan untuk mengetahui signifikan pengaruh peubah
terhadap peubah terikat. Penggunaan tingkat signifikansi pada penelitian ini
sebesar 0.05 (5%). Koefisien determinasi digunakan untuk mengetahui seberapa
besar hubungan beberapa peubah dalam pengertian yang lebih jelas. Koefisien
determinasi menjelaskan mengenai besarnya perubahan atau variasi suatu peubah
oleh perubahan atau variasi pada peubah lain (Santosa 2005). Koefisien
determinasi yang memiliki nilai semakin tinggi maka peubah yang digunakan
dapat menjelaskan nilai biomassa. Koefisien determinasi koreksi dihitung
menggunakan persamaan (Draper dan Smith 1992):
Simpangan baku dihitung menggunakan rumus persamaan (Draper dan
Smith 1992):
√
Keterangan:
JKS = jumlah kuadrat sisa
JKT = jumlah kuadrat total
(n-p) = derajat bebas sisa
(n-1) = derajat bebas total
Model dengan lebih satu peubah rentan terhadap terjadinya multikolinearitas.
Oleh karena itu, pada saat penyusunan dengan pemilihan model terbaik dilakukan
pengujian multikolinearitas. Multikolinearitas suatu model dapat dilihat dari
6
variance inflated factors (VIF), jika suatu model nilai VIF > 10 maka
mengindikasikan terjadi multikolinearitas.
Pemilihan Model
Pemilihan model terbaik terhadap model-model yang diperoleh didasarkan
atas parameter nilai uji F, koefisien determinasi (R2), koefisien determinasi
terkoreksi (R2adj), root mean square error (RMSE), dan simpangannya (s).
Validasi Model
Uji validasi menggunakan data yang berbeda dengan data penyusunan
model. Validasi model ini dilakukan dengan cara membandingkan biomassa hasil
pengukuran di lapangan dengan hasil pendugaan model yang terpilih. Uji validasi
yang digunakan dalam penelitian yaitu uji chi-square, simpangan agregat (SA),
dan simpangan rata-rata (SR).
Pada uji chi-square, jika nilai χ2hitung ≤ χ2tabel maka hasil pendugaan tidak
berbeda nyata dari hasil biomassa sebenarnya. Chi-square hitung diperoleh
melalui rumus (William 1991):
χ
∑
Keterangan :
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
Simpangan agregat dan simpangan rata-rata digunakan untuk mengukur
keakuratan suatu model yang besarnya ditentukan oleh selisih nilai hasil
pendugaan dan hasil pengukuran. Semakin kecil nilai simpangan rata-rata dan
simpangan agregat suatu model maka dikatakan keakuratan model tersebut
semakin tinggi. Nilai SR dan SA dihitung menggunakan rumus (Husch 1963):
∑
∑
∑
∑
Keterangan:
SR
= simpangan rata-rata (%)
SA
= simpangan agregat
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
n
= jumlah pohon
RMSE dihitung menggunakan rumus:
MSE = Ʃ (yi – ŷi)2/(n – p)
RMSE = √
7
Keterangan:
MSE = kuadrat tengah sisa
RMSE = akar kuadrat tengah sisa
yi
= biomassa ke-i
ŷi
= rata-rata biomassa ke-i
n
= jumlah plot contoh
p
= banyaknya parameter yang digunakan
Menurut Akça (1995) dalam Muhdin (1999), bias dapat dihitung dengan
rumus:
∑
Keterangan:
e
= bias
y
= biomassa aktual (m3)
= biomassa dugaan (m3)
n
= jumlah pohon
HASIL DAN PEMBAHASAN
Kondisi Umum Hutan Pendidikan Gunung Walat
Kawasan Hutan Pendidikan Gunung Walat secara geografis terletak antara
6º54 23 –6º55 35 LS dan 106º48 27 –106º50 29 BT dan secara administratif
terletak dalam wilayah Kecamatan Cibadak, Kabupaten Sukabumi. Luas wilayah
hutan 359 ha. Hutan Pendidikan Gunung Walat terletak pada ketinggian 420–726
mdpl yang merupakan sebagian pegunungan berderet dari timur ke barat.
Topografinya bervariasi dari landai sampai bergelombang terutama di bagian
selatan sedangkan ke bagian utara mempunyai topografi yang semakin curam.
Kondisi iklim Hutan Pendidikan Gunung Walat menurut klasifikasi iklim Schmidt
dan Ferguson termasuk tipe B, dengan nilai Q = 14.3%–33% dan banyaknya
curah hujan tahunan berkisar antara 1600-4000 mm. Suhu udara maksimum di
siang hari 29ºC dan minimum 19ºC di malam hari.
Tanah Gunung Walat termasuk dalam keluarga Tropohumult Tipik (latosol
merah kekuningan), Tropodult Tipik (latosol coklat), Dysropept Tipik (podsolik
merah kuning) dan Troportent Lipik (litosol). Keadaan hutan Gunung Walat pada
tahun 1950an sebagian besar berupa tanah kosong yang ditumbuhi semak alangalang dan beberapa pohon yang sangat jarang (Gunung Walat 2015).
Kawasan Hutan Pendidikan Gunung Walat sudah mulai ditanami agathis
pada tahun 1951. Selanjutnya pada periode tahun 1969–1971 dilakukan
penanaman pinus, puspa dan kayu afrika serta pada periode 1971–1972 dilakukan
penanaman agathis. Pada tahun 1973 penanaman telah mencapai 53% hingga
tahun 1980 seluruh wilayah Hutan Pendidikan Gunung Walat telah berhasil
ditanami berbagai jenis tanaman yaitu damar, pinus, puspa, kayu afrika, mahoni,
rasamala, sonokeling, sengon, meranti dan akasia.
8
Nilai Biomassa pada Plot Contoh
Titik plot diambil berdasarkan tipe yang dominan berada di lokasi tersebut
seperti agathis, pinus, puspa, campuran agathis dan puspa, campuran pinus dan
puspa serta campuran lainnya (jamoloh, kayu afrika, harendong, huru, pinus,
puspa dan teureup). Perhitungan biomassa pohon menggunakan alometrik
biomassa yang tersedia di Hutan Pendidikan Gunung Walat, sedangkan untuk
jenis huru, kayu afrika, kayu manis, pasang, sempur, dan teureup maka
menggunakan persamaan dari Ketterings et al. (2001). Perhitungan biomassa
dilakukan pada setiap jenis pohon yang berada dalam masing-masing plot
pengamatan terlihat seperti pada Tabel 4.
Tabel 4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan
Gunung Walat
Tipe vegetasi
Agathis
Campuran agathis dan puspa
Campuran (jamoloh, kayu
afrika, harendong, huru, pinus,
puspa, dan teureup)
Puspa
Pinus
Campuran pinus dan puspa
Rata-rata biomassa
(ton/ha)
318.24
291.28
211.19
Simpangan baku (s) Jumlah
(ton/ha)
plot
5.4
3
6.4
8
7.2
12
149.62
125.00
112.11
4.2
1.2
1.6
5
2
2
Biomassa terbesar terdapat pada tipe vegetasi agathis serta campuran agathis
dan puspa dapat diduga karena pengaruh diameter pohon jenis ini cukup besar
(mencapai > 45 cm) dan jumlahnya yang relatif banyak didalam plotnya
dibandingkan dengan plot lainnya. Biomassa jenis vegetasi campuran (jamoloh,
kayu afrika, harendong, huru, pinus, puspa, dan teureup) memiliki nilai biomassa
terkecil dikarenakan jenisnya berumur muda, diameter pohonnya kecil, dan
jumlah pohon dalam plotnya relatif sedikit. Dengan demikian, besarnya biomassa
dipengaruhi oleh jenis, diameter, tinggi serta jumlah pohon didalam plotnya.
Selain itu, menurut Satoo dan Madgwick (1982), diacu dalam Onrizal (2004)
menyatakan kondisi iklim setempat, terutama temperatur dan curah hujan juga
merupakan faktor iklim yang berpengaruh terhadap biomassa.
Nilai NDVI pada Citra Landsat 8
Komposit citra adalah hasil citra yang baru merupakan bagian dari
gabungan tiga saluran yang mampu menampilkan keunggulan dari saluran
penyusun yang digunakan. Komposit citra ini dilakukan guna membantu dalam
memahami pemberian warna karena keterbatasan dalam penglihatan oleh mata.
Hasil penggabungan kombinasi band 1, 2, 3, 4, 5, 6, 7, dan 9 pada citra Landsat 8
menghasilkan citra normal yang belum memiliki kekontrasan warna yang jelas
sehingga digunakan kombinasi band citra komposit 7–5–4 seperti terlihat pada
Gambar 1.
9
Gambar 1 Citra normal dengan band kombinasi 7–5–4
Normalized difference vegetation index (NDVI) merupakan indikator
kehijauan yang dapat digunakan untuk menduga biomassa dari citra satelit melihat
tingkat kehijauan. NDVI menunjukkan parameter yang berhubungan dengan
vegetasi yaitu dedaunan hijau menggunakan band inframerah dekat (NIR) dan
band merah (VIS). Nilai NDVI diperoleh dengan perhitungan inframerah dan
band merah yang dipantulkan oleh tumbuhan (dedaunan hijau) tersebut. Analisis
NDVI dapat digunakan sebagai indikator biomassa dan tingkat kehijauan
(greenness) relatif yang memungkinkan dapat dilakukan penghitungan dan
pengukuran biomassa pada citra (Ryan 1997). Hasil citra NDVI di Hutan
Pendidikan Gunung Walat memperlihatkan warna mendekati dominan keabuan
hingga kehitaman (Gambar 2).
Gambar 2 Citra hasil NDVI
Selang nilai NDVI antara -1 hingga +1 menggambarkan tingkat kehijauan
dan intensitas dari suatu vegetasi (Hidayati 2013). Nilai NDVI semakin mendekati
+1 menunjukkan ambang vegetasinya tinggi dan warna klasifikasinya menjadi
lebih berwarna hitam. Hasil penelitian menunjukkan nilai piksel NDVI antara
0.30.5 sehingga wilayah ini berwarna abu kehitaman memiliki kerapatan sedang
sampai tinggi (Departemen Kehutanan 2009).
10
Korelasi pada Biomassa Lapangan, Nilai Digital Band Landsat TM 8, dan
NDVI
Peubah penduga nilai digital band yang digunakan merupakan nilai digital
dari hasil training area yang berupa square buffer AOI, sedangkan nilai NDVI
dan biomassa lapangan berdasarkan lokasi titik plot contoh. Hubungan
antarpeubah dalam model penduga biomassa pada citra Landsat dapat diketahui
dari nilai korelasi antarpeubah seperti terlihat pada Tabel 5. Hubungan linear
antarpeubah tersebut diukur menggunakan korelasi Pearson. Nilai korelasi +1
artinya mempunyai hubungan linier positif sempurna dan korelasi -1 artinya
mempunyai hubungan linier negatif sempurna (Usman dan Akbar 2000).
Berdasarkan nilai korelasi tersebut diketahui bahwa nilai digital band citra
Landsat mempunyai korelasi yang lemah terhadap biomassa, sedangkan nilai
NDVI mempunyai korelasi yang kuat terhadap biomassa (Tabel 5). Hal ini sejalan
dengan Jensen (2005) yang menyatakan bahwa indeks vegetasi dapat digunakan
sebagai parameter biofisik dan biomassa merupakan salah satu aspek yang dapat
dilihat dari kerapatan vegetasi. Semakin rapat suatu vegetasi, maka biomassa juga
akan semakin besar.
Tabel 5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap
biomassa
Korelasi
Biomassa
Band 1
Band 2
Band 3
Band 4
Band 5
Band 6
Band 7
Band 9
NDVI
Biomassa
1
0.003
-0.054
-0.100
-0.140
0.282
-0.108
-0.238
0.117
0.512
Band 1
Band 2
Band 3
Band 4
Band 5
Band 6
Band 7
Band 9
NDVI
1
0.979*
0.904*
0.911*
0.213
0.502
0.637
0.922*
0.289
1
0.950*
0.961*
0.249
0.586*
0.725
0.877*
0.260
1
0.974*
0.389
0.645*
0.780
0.782
0.270
1
0.244
0.624*
0.779*
0.782*
0.168
1
0.579
0.426
0.082
0.470
1
0.958*
0.297
0.179
1
0.450
0.098
1
0.098
1
*berkorelasi
Model Penduga Biomassa
Penyusunan model penduga biomassa melalui analisis regresi menggunakan
berbagai macam model dan banyaknya peubah. Peubah yang digunakan yaitu
peubah bebas dari nilai digital masing-masing band pada citra Landsat 8.
Multikolinearitas terjadi antara dua peubah atau lebih dalam suatu persamaan
regresi. Penyusunan model regresi menggunakan peubah yang memiliki nilai VIF
< 10. Penyusunan regresi menghasilkan 8 buah model penduga biomassa seperti
terlihat pada Tabel 6.
11
Tabel 6 Model penduga biomassa di Hutan Pendidikan Gunung Walat
3.25
R2adj
(%)
45.7
83.4
3.91
2.60
19.5
37.5
101.6
0.41
3.37
16.5
0.48
3.35
46.8
82.6
4.11
2.44
20.6
35.1
100.95
0.42
4.11
15.3
0.48
Model
Parameter
Persamaan
Fhit
Linear
semua peubah
Eksponensial
peubah VIF < 10
semua peubah
Y = 4507 1.21X1 0.78X2
0.07X3 + 1.35X4 0.0245X5
+ 0.789X6 2.23X7 + 2.62X8
+ 762X9
Y = -57 0.046 X8 + 1552 X9
Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = exp (1.8 + 0.00022X8
+ 6.64X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 53 0.000004X82 + 2330X92
Y = 1.17606*1092X160.4X2-31.67
X36.7X439.1X5-2.56X632.7
X768.9X866.0X91.02
Y = 0.122X81.1 X92.16
peubah VIF < 10
Kuadratik
semua peubah
Pangkat
peubah VIF < 10
semua peubah
peubah VIF < 10
s
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital
band 4; X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9
= nilai NDVI
Uji keberartian model regresi pada semua model penduga biomassa yang
diperoleh pada Tabel 6 menunjukkan bahwa biomassa dapat diduga menggunakan
peubah nilai digital band dan nilai NDVI citra Landsat. Namun, besarnya peranan
nilai digital band dan nilai NDVI terhadap biomassa tidak terlalu besar (R2adj <
50%). Hasil yang tidak jauh berbeda juga didapatkan dari penelitian Solihin
(2014) yang mendapatkan nilai R2adj sebesar 32.9% dan Juniyanti (2014)
mendapatkan nilai R2adj hanya 20%. Hal tersebut dapat berpengaruh dari
banyaknya band yang digunakan dan data keseluruhan yang belum mewakili
kondisi lapangan sebenarnya.
Nilai R2adj yang terbesar terdapat pada model kuadratik menggunakan
semua peubah sedangkan yang terkecil terdapat pada model pangkat
menggunakan peubah nilai VIF < 10. Dengan kata lain, sebenarnya ada peubah
lain yang dapat berperan dalam menduga biomassa tetapi dalam penelitian ini
tidak dikaji. Hines dan Montgomery (1990) mengatakan bahwa meskipun suatu
model memiliki R2adj yang besar, tidak berarti model tersebut model yang terbaik.
Uji Validasi Model
Uji validasi terhadap model penduga biomassa yang diperoleh berdasarkan
atas nilai simpangan agregat (SA), simpangan rata-rata (SR), uji chi-square, nilai
bias, dan nilai RMSE seperti yang terlihat pada Tabel 7 dan Tabel 8.
12
Tabel 7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan semua parameter peubah
Model
Persamaan
SA
SR
(%)
X2hit
Bias
RMSE
Linear
Y = 4507 1.21X1 0.78X2
0.07X3 + 1.35X4 0.0245X5
+ 0.789X6 2.23X7 + 2.62X8
+ 762X9
Y = exp (24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 1.17606*1092X160.4X2-31.67
X36.7X439.1X5-2.56X632.7
X768.9X866.0X91.02
-0.54*
1130.5
556.4
-78.8
85860
0.00063*
9.6*
556.2
182.5
88802
0.00063*
52.3
3216.4
1619.4
456829.9
0.00063*
-95.5
483.8
-769.6
170086.4
Eksponensial
Kuadratik
Pangkat
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4; X5 = nilai
digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X 8= nilai digital band 9; X9 = nilai NDVI; * = model valid
Tabel 8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung
Walat menggunakan parameter peubah VIF < 10
X2hit
Bias
RMSE
0.052*
SR
(%)
38.6
582.0
87.4
2.0
0.013*
9.1*
0.41*
-1543
2.0
-0.011*
41.7
495.0
-16.9
82909
0.9681*
96.8
0.02*
-427.5
180324
Model
Persamaan
SA
Linear
Y = -57 0.046X8
+ 1552X9
Y = exp (1.8 + 0.00022X8
+ 6.64X9)
Y = 53 0.000004X82
+ 2330X92
Y = 0.122X81.1 X92.16
Eksponensial
Kuadratik
Pangkat
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4; X5 = nilai
digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9 = nilai NDVI; * = model valid
Berdasarkan nilai SA semua model yang diuji dapat dikatakan valid, namun
berdasarkan nilai SR hanya model eksponensial dapat dikatakan valid. Kriteria
pengujian ini mengacu pada Chapman dan Meyer (1949) dan Husch (1963) yang
menyatakan bahwa simpangan agregat model penduga pohon sebaiknya tidak
lebih dari 1. Spurr (1952) menyatakan bahwa model dikatakan valid jika
simpangan rata-rata tidak lebih dari 10%. Berdasarkan uji chi-square, model
eksponensial dan pangkat dengan hanya dua peubah (X8 dan X9) yang dapat
dikatakan valid.
Berdasarkan nilai bias dan RMSE, semua model penduga biomassa
memiliki nilai cukup besar. Nilai bias menunjukkan besarnya kesalahan sistematis
yang dapat terjadi pada kegiatan pengukuran, pemilihan contoh, dan teknik
pendugaan parameter. Nilai bias ini dapat bernilai positif dan negatif (Akça 1995,
diacu dalam Muhdin 1999). Nilai RMSE menunjukkan ketepatan suatu model yang
digunakan, semakin kecil nilai RMSE-nya maka semakin akurat ketepatan
pemodelannya.
13
Pemilihan Model Terbaik
Pemeringkatan model penduga biomassa disusun berdasarkan kriteria R2adj,
simpangan baku, nilai bias, dan RMSE sebagaimana disajikan pada Tabel 9.
Tabel 9 Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung Walat
Model
Linear
*Eksponensial
Kuadratik
Parameter
peubah
VIF < 10
semua
peubah
peubah
VIF < 10
semua
peubah
peubah
VIF < 10
Persamaan
Y = -57 0.046 X8 + 1552 X9
Y = exp(24.5 0.00604X1
0.00335X2 + 0.00178X3
+ 0.00493X4 0.000216X5
+ 0.00391X6 0.0111X7
+ 0.0120X8 + 3.23X9)
Y = exp(1.8 + 0.00022X8
+ 6.64X9)
Y = 2409 0.000059X12
0.000039X22 + 0.000006X32
+ 0.000086X42 0.000001X52
+ 0.000046X62 0.000174X72
+ 0.000235X82 + 1221X92
Y = 53 0.000004X82 + 2330X92
R2adj
4
Peringkat
s
Bias RMSE
5
2
1.5
Jumlah
12.5
2
1
3
4
10
5
2
5
1.5
13.5
1
3
4
5
13
3
4
1
3
11
Y = biomassa; X1 = nilai digital band 1; X2 = nilai digital band 2; X3 = nilai digital band 3; X4 = nilai digital band 4;
X5 = nilai digital band 5; X6 = nilai digital band 6; X7 = nilai digital band 7; X8 = nilai digital band 9; X9 = nilai NDVI; * =
model terpilih
Model terpilih berdasarkan hasil penjumlahan peringkat terkecil yaitu model
eksponensial Y= exp(24.5 0.00604X1 0.00335X2 + 0.00178X3 + 0.00493X4
0.000216X5 + 0.00391X6 0.0111X7 + 0.0120X8 + 3.23X9).
SIMPULAN DAN SARAN
Simpulan
Model eksponensial dengan melibatkan nilai digital band 1, 2, 3, 4, 5, 6, 7, 9,
dan nilai NDVI merupakan model regresi terpilih untuk menduga biomassa atas
permukaan di Hutan Pendidikan Gunung Walat. Walaupun demikian model ini
memiliki kelemahan seperti kecilnya nilai koefisien determinasi dan tingginya
nilai RMSE.
Saran
Penelitian model pendugaan dengan citra Landsat sebaiknya menggunakan
peubah yang berkorelasi dengan peubah respons dan tidak berkorelasi sesamanya
untuk meningkatkan akurasi pemodelannya. Perlu pengambilan titik plot yang
lebih banyak baik di lapangan atau pun pada citra.
14
DAFTAR PUSTAKA
Arief A. 2005. Hutan dan Kehutanan. Yogyakarta (ID): Penerbit Kanisius.
Brown S. 1997. Estimating Biomass Change of Tropical Forest. A Primer. USA:
FAO Forestry Paper No. 134.
Chapman HH, Meyer WH. 1976. Forest Mensuration. New York (US): McGrawHill Book Company Inc.
Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia
nomor: P.32/MENHUT-II/2009. Jakarta.
Draper NR, H Smith. 1992. Analisis Regresi Terapan Edisi Kedua. Jakarta: PT.
Gramedia Pustaka Utama.
Hairiah K, Rahayu S. 2007. Petunjuk Praktis Pengukuran Karbon Tersimpan di
Berbagai Macam Penggunaan Lahan. Bogor (ID): World Agroforestry
Centre - ICRAF, SEA Regional Office. University of Brawijaya,
Hidayati IN. 2013. Ekstraksi data indeks vegetasi untuk evaluasi ruang terbuka
hijau berdasarkan citra ALOS di Kecamatan Ngaglik Kabupaten Sleman
Yogyakarta. Jurnal Agroteknologi3(2): 2734.
Hines WW, Montgomery DC. 1990. Probabilita dan Statistik dalam Ilmu
Rekayasa dan Manajemen. Edisi Kedua. Rudiansyah, penerjemah. Jakarta
(ID): UI Press.
[HPGW] Hutan Pendidikan Gunung Walat. 2015. Kondisi umum Hutan
Pendidikan Gunung Walat [Internet]. [diunduh 2015 Jan 20]. Tersedia pada
http://www.gunungwalat.net/about-us/kondisi-umum
Husch B. 1963. Forest Mensuration and Statistics. New York (US): Ronald Press
Company Inc.
Jensen JR. 2005. Introductory Digital Image Processing, A Remote Sensing
Perspective.New Jersey (US): Prentice Hall.
Juniyanti L. 2014. Pendugaan biomassa atas tegakan di Hutan Rakyat
menggunakan Citra Landsat 8 (Studi kasus di Asosiasi Petani Hutan Rakyat
Wonosobo) [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ketterings QM, Coe R, Noordwijk M, Ambagau Y, Palm CA. 2001. Reducing
uncertainty in the use of allometric biomass equations for predicting aboveground tree biomass in mixed secondary forests. Forest Ecology and
Management 146: 199209.
Muhdin. 1999. Analisis beberapa rumus penduga volume log: Studi kasus pada jenis
meranti (Shorea spp.) di areal HPH PT Siak Raya Timber, Propinsi Riau.
Jurnal Manajemen Hutan Tropika5(2): 3344.
Onrizal. 2004. Model penduga biomassa dan karbon tegakan hutan kerangas di
Taman Nasional Danau Setarum, Kalimantan Barat [tesis]. Bogor (ID):
Institut Pertanian Bogor.
Ryan L. 1997. Creating Normalizad Difference Vegetation Index (NDVI) Image
Using Multispec. University of New Hampshire.
Santosa. 2005. Analisis Statistik dengan Microsoft excel dan SPSS. Yogyakarta
(ID). Andi Yogyakarta.
Satoo T, Madgwick HAS. 1982. Forest Biomass. London (EN): Junk Publisher.
15
Selviana V. 2012. Pendugaan potensi volume, biomassa, dan cadangan karbon
tegakan di Hutan Pendidikan Gunung Walat Sukabumi Jawa Barat [skripsi].
Bogor (ID): Institut Pertanian Bogor.
Seng OD. 1990. Berat Jenis Kayu Indonesia dan Signifikan untuk Penggunaan
Praktis. Suwarsono P H, penerjemah. Bogor (ID): Departemen Kehutanan
Indonesia. Terjemahan dari: Spesific Gravity of Indonesia Woods and Its
Significance for Practicl Use.
Solihin MP. 2014. Aplikasi Citra Landsat 8 dalam memetakan biomassa atas
tegakan di KPH Ciamis [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Spuur SH. 1952. Forest Inventory. New York (US): The Ronald Press Company,
Inc.
Usman H, Akbar PS. 2000. Pengantar Statistik. Jakarta (ID): Bumi Aksara.
William Stanfield D. 1991. Genetika Edisi Kedua. Jakarta (ID): Erlangga.
16
RIWAYAT HIDUP
Penulis dilahirkan di Nabire, Papua pada tanggal 22 Agustus 1992. Penulis
merupakan anak pertama dari dua bersaudara pasangan Bapak Haryono dan Ibu
Martha Popoi. Riwayat pendidikan penulis dimulai dari pendidikan formal lulusan
TK Aisyiyah Bustanul Athfal Gorontalo tahun 1998, SD Negeri Teluk 1 Labuan
tahun 2004, SMP Negeri 1 Labuan tahun 2007 dan SMA Negeri 2 Pandeglang
tahun 2010. Penulis masuk IPB melalui jalur Ujian Seleksi Masuk Institut
Pertanian Bogor (USMI) dan terdaftar sebagai mahasiswa Departemen
Manajemen Hutan Fakultas Kehutanan IPB.
Penulis aktif di organisasi Himpunan Profesi Forest Management Student
Club (FMSC) sebagai anggota divisi Infokom periode 2011-2012 dan Keprofesian
periode 2012-2013 serta anggota PC Sylva Indonesia periode 2011-2013. Penulis
pernah mengikuti kegiatan kepanitian Seminar Nasional dan Lokakarya pada
tahun 2011 dan 2013, Pekan Ilmiah Kehutanan Nasional pada tahun 2012.
Praktik yang pernah diikuti penulis yaitu: Praktik Pengenalan Ekosistem
Hutan (PPEH) Jalur Papandayan dan Sancang Timur Kabupaten Garut pada tahun
2012, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat
Kabupaten Sukabumi pada tahun 2013 dan Praktik Kerja Lapang (PKL) di
PT. Suka Jaya Makmur, Kalimantan Barat pada tahun 2014.
Skripsi berjudul Model Penduga Biomassa Menggunakan Citra Landsat di
Hutan Pendidikan Gunung Walat merupakan karya penulis sebagai syarat untuk
mendapatkan gelar sarjana kehutanan pada Departemen Manajemen Hutan
Fakultas Kehutanan Institut Pertanian Bogor dibawah bimbingan Priyanto, S.Hut
M.Si .